3710

MODEL OF AUTOMATION OF TECHNOLOGICAL PROCESSES FOR

CONSTRUCTION PRODUCTION

I.P. Abrosimov, V.E. Belousov, Meysam Siemi Doudaran

Abstract. In this article the model of automated management of construction production allowing to receive optimum structures by criterion of reliability is considered.

Keywords: automation, process, construction, reliability

References

1.Barkalov S.A., Nguyen Wang Rangg, Nguyen Than Rangg. An algorithm of calculation of temporary parameters of the count and forecasting of a date of completion of the modelled process [Algoritm rascheta vremennyh parametrov grafa i prognozirovanie sroka zavershenija modeliruemogo processa ]//Control systems and information technologies. No. 3.1(53). 2013. - C. - 116-119.

2.Belousov V. E. An algorithm for expeditious definition of conditions of objects in multilevel technical systems [Text][ Algoritm dlja operativnogo opredelenija sostojanij obektov v mnogourovnevyh tehnicheskih sistemah] / Belousov of V.E., Konchakov S.A.//Economy and management of control systems. No. 3.2 (17). 2015. - C. 227-232.

3.Belousov V. E. An algorithm for the analysis of versions of decisions in multicriteria tasks of [Text] [Modeli kvalimetricheskoj ocenki sostojanij slozhnyh tehnicheskih sistem]/ Aksyonenko of Item Yu., Belousov V. E., Konchakov S.A.//Control systems and information technologies. No. 4(62), 2015. - Page 31-33.

4. Belousov V. E., Lyutova K. G., Nguyen Vyet Tuang. Models of qualimetrical assessment of conditions of difficult technical systems [Modeli kvalimetricheskoj ocenki sostojanij slozhnyh tehnicheskih sistem ] [Electronic]//"Quality of production: control, management, increase, planning". Mater. International youth scientific and practical conference. Kursk (on November 1718, 2015): Publishing house of Southwest state university, T.1, 2015. - C. 342-346.

81

УДК 659-014

1

ТАКСОНОМИЧЕСКИЙ АЛГОРИТМ ДЛЯ ОЦЕНКИ КАЧЕСТВА РАСПРЕДЕЛЕННЫХ ИНФОРМАЦИОННЫХ СИСТЕМ

И.П. Абросимов, В.Е. Белоусов, К.А. Нижегородов

Абросимов Иван Петрович, ВУНЦ ВВС «Военно-воздушная академия им. профессора Н.Е. Жуковского и Ю.А. Гагарина», преподаватель

Россия, г. Воронеж, e-mail: abros80@mail.ru, тел. +7-919-188-69-18

Белоусов Вадим Евгеньевич*, Воронежский государственный технический университет, кандидат технических наук, доцент, заведующий кафедрой автоматизации технологических процессов и производств

Россия, г. Воронеж, e-mail: belousov@vgasu.vrn.ru, тел. +7-962-188-36-0

Нижегородов Кирилл Александрович, Воронежский государственный технический университет, аспирант кафедры управления строительством

Россия, г. Воронеж, e-mail: upr_stroy_kaf@vgasu.vrn.ru, тел.: +7-473-276-40-07

Аннотация. В данной работе предлагается модель для оценки результативности работы распределенной информационной системы исходя из любого набора показателей качества, значения которых можно отнести к определенной таксономической группе.

Ключевые слова: алгоритм, оценка, таксономия, показатели.

Введение

Критерием качества оценки информационных систем (ИС) является достижение показателей по заданным параметрам. Рассмотрим m объектов сложных систем, которые

Постановка задачи

Алгоритм таксономии в пространстве фактических и плановых значений позволяет разбить множество объектов на таксоны и при этом получить два, вообще говоря, различных разбиения [1]. Объекты, находящиеся в таксоне любого разбиения, имеют близкие характеристики функционирования, средние показатели таксона являются его референтным показателем. После таксономии объектов в пространстве фактических и плановых значений устанавливается сопряженность между таксонами двух разбиений, т. е. соответствие между таксонами первого и второго разбиения. Сопряженность таксонов двух разбиений легко интерпретируется. Так, если два таксона первого и второго разбиения сопряжены, то имеется соответствие между их плановыми и фактическими показателями, т. е. объекты второго разбиения наиболее близки к уровню выполнения плановых заданий тех, которые находятся в таксоне первого. Значимость связи между сопряженными таксонами можно оценить с помощью коэффициента Чуприна [2].

© Абросимов И.П., Белоусов В.Е., Нижегородов К.А., 2017

82

Пусть имеются два разбиения объектов сложной системы на таксоны: первое – по плановым значениям 1 ,..., ,..., второе – по фактическим 1 ,..., n ,..., причем таксоны

занумерованы так, что у представителя их с меньшим номером меньший резерв функционирования в заданных параметрах, и наоборот. Тогда возможны три варианта:

1) ai , ai и при этом = , т. е. качество функционирования объекта СС на среднем уровне;

2)ai , ai и < - на низком уровне;

3)ai , ai и > - на высоком уровне.

Таким образом, если объект принадлежит таксону первого разбиения с таким же номером, как у содержащего его таксона второго, то объект ИС функционирует нормально. Несовпадение номеров таксонов двух разбиений говорит о высоком или же низком качестве функционирования, и здесь существенно, сколько квалиметрических единиц [3] необходимо добавить изучаемому объекту ИС при переходе от одного разбиения к другому, т.е. мы переходим к многомерному анализу показателей представителя таксона объекта ИС.

Пусть [0, Т] промежуток времени, который точками tk, k = 0, ..., N, разбит на N равных отрезков, и хjк - значение j-го показателя за период k. Для оценки качества функционирования объекта ИС необходимо учитывать динамику каждого показателя и взаимосвязь между ними. С помощью метода главных компонент факторного анализа перейдем к ортогональным факторам F1, ..., Fn, которые описывают внутренние явления, лежащие в основе любого технологического процесса, и определяют значения исходного множества признаков [2, 3]. Предположим, что признак хj, линейно связан с факторами, тогда:

корреляции.

Пусть x1 — объем работ объекта ИС, а признаки xn-s,…,xn характеризуют различные ресурсы объекта. Тогда расчет качества функционирования при имеющихся в наличии ресурсах за промежуток [tN-1, tN] сводится к задаче линейного программирования:

11F1 ... 1n Fn x1 max,

Решая ее, можно определить оптимальные значения факторов F10,…,Fn0. Подставляя их в (1), получаем оптимальные значения всех групп показателей, которые соответствуют максимальному качеству функционирования объекта ИС.

Чтобы определить максимальные и минимальные значения факторов, рассмотрим множество значений р-го фактора {Fpk} - некоторый временной ряд. Методом наименьших

83

j 1

Если фактические значения xt,..., хп совпадают с оптимальными, то dpn = 0. При dpN 0 необходимо определить, за счет каких признаков произошло отклонение факторов от

оптимальных значений. Величина jp xjN 0 xjN характеризует влияние j-го показателя на

р-й фактор и может быть как положительной, так и отрицательной. Если ее знак противоположен знаку dpN, то отклонение j-го показателя от оптимального значения оказывает положительное воздействие на р-й фактор (т. е. приближает его значение к оптимальному), в противном случае отклонение j-го показателя от оптимального значения влияет на данный фактор отрицательно [4].

Факторная модель системы показателей обладает важным свойством: если оптимальная величина функционирования объекта ИС достигается при некотором наборе факторов {FpN0}, которому соответствует набор показателей {хjN0}, то последний является единственным. Таким образом, когда величина функционирования оптимальна, факторы принимают оптимальные значения, и наоборот. Следовательно, весь ход эксперимента с объектами ИС можно контролировать по одному показателю - качества показателей функционирования.

Определим резерв роста xj:

RjN x jN 0x x jN *100%, jN

вектор:

Аналогично может быть получен индикатор I1 для [tN, tN+l]. Если R1N R1(N+1), то объект ИС использует имеющиеся резервы роста качества функционирования, при R1N <

R1(N+1) необходимо управляющее воздействие для стабилизации технологического процесса, так как в этом случае наблюдается удаление от оптимума.

Экспериментальная реализация предложенных подходов производилась для информационных объектов системы управления энергоресурсами многоквартирного дома в г.Воронеже. Исходная совокупность состояла из 14 объектов (подстанций электроснабжения). Для многофакторного анализа взяты основные показатели, оказывающие существенное влияние на качество системы. Таким образом, в терминах таксономии мы получили 120-мерное признаковое пространство, в котором необходимо выделить таксоны. В каждом из них можно найти объект, ближе всего расположенный к

84

центру. Такие объекты считают типовыми, т. е. установленные для типового представителя закономерности можно распространить и на все остальные элементы таксона.

В совокупности исследуемых объектов по фактическим и плановым значениям показателей выделено четыре таксона, для каждого из которых однозначно определен типовой представитель (табл. 1).

Таблица 1

Характеристика групп, полученных методом таксономии всех изучаемых признаков

Хотя средние показатели таксона являются его референтной характеристикой, объекта с такими показателями в таксоне может и не быть. Поэтому важно оценить кучность объектов в таксоне, а также отдаленность таксонов друг от друга. Результаты оценки близости между элементами таксона и таксонами приведены в табл. 2 (диагональные элементы соответствуют среднему расстоянию между элементами таксона).

Таблица 2

Мера близости между элементами таксонов и таксонами

После таксономии по плановым значениям признаков было получено четыре таксона, а по фактическим - пять. Сопряженность между таксонами двух разбиений позволила установить (неполное) соответствие между ними: 1 3, 2 4, 3 2, 4 1. Основная часть объектов улучшила показатели качества функционирования на соседние ступени (номера таксонов) и очень редко наблюдался переход сразу через несколько ступеней, что означает, что у большинства объектов отсутствуют особо резкие отклонения между уровнями выполнения плановых и фактических показателей. Объектами с высоким качеством функционированиям ( > ), стали - а1, а4, а10, а с низким качеством – а11, а13, а15, а16. Остальные функционировали на среднем уровне.

Заключение

Как выявила практическая реализация предложенного подхода, качество моделей значительно улучшается при увеличении перечня используемых показателей с последующим отбором значимых признаков.

85

Библиографический список

1.Айвазян С.А. Классификация многомерных наблюдений / С.А. Айвазян, 3.И. Бежаева, О.В. Староверов. М.: Статистика, 1974.

2.Белоусов, В.Е. Анализ состояний сложных систем организационного управления

сиспользованием решающих правил / В.Е. Белоусов, Хонг Тронг Тоан // Системы управления и информационные технологии. – 2012. – №2.2(48). – С. 237-239.

3.Баркалов С.А. Квалиметрия: монография / С.А. Баркалов, В.Е. Белоусов, Н.В. Санина. Воронеж: Научная книга, 2013 – 392 с.

4.Вентцель Е.С. Теория вероятностей: учебник для студ. вузов. – 9-е изд., стер / Е.С. Вентцель. – М.: Издательский центр «Академия», 2003. – 576.

TAXONOMICAL ALGORITHM FOR ASSESSMENT OF QUALITY OF THE

DISTRIBUTED INFORMATION SYSTEMS

I.P. Abrosimov, V.E. Belousov, K.A. Nizhegorodov

Abstract. In this work the model for assessment of effectiveness of work of the distributed information system proceeding from any set of indicators of quality of value of which is offered it is possible to carry to a certain taxonomical group.

Keywords: algorithm, assessment, taxonomy, indicators.

References

1.Ayvazyan S. And, Bezhayeva Z. And., Staroverov O. V. Classification of multidimensional observations [Klassifikacija mnogomernyh nabljudenij]. M.: Statistics, 1974.

2.Belousov, V. E. The analysis of conditions of difficult systems of organizational management with use of decisive rules [Analiz sostojanij slozhnyh sistem organizacionnogo upravlenija s ispol'zovaniem reshajushhih pravil]/ V. E. Belousov, Hong Trong Toan//Control systems and information technologies. 2012. No. 2.2(48). P. 237-239.

3.Barkalov of S. A. Kvalimetriya of [Text] [Kvalimetriya] / Barkalov S.A., Belousov V. E. Sanina N. V.//Monograph. LLC Publishing House Nauchnaya book, Voronezh, 2013 - 392 p.

4.Venttsel E. S. Probability theory [Teorija verojatnoste]j: The textbook for student. Vuzov. - 9th prod., E. S. Venttsel erased. M.: Publishing center "Akademiya", 2003. 576 p.

86

УДК 519.8

ОБ ОДНОМ АЛГОРИТМЕ РАСПРЕДЕЛЕНИЯ ГОСУДАРСТВЕННЫХ СУБСИДИЙ ХОЗЯЙСТВУЮЩИМ СУБЪЕКТАМ РЕГИОНА

Ю.В. Бондаренко, А.Н. Чикомазов 1

Бондаренко Юлия Валентиновна*, Воронежский государственный технический университет, доктор технических наук, доцент, профессор кафедры управления строительством

Россия, г. Воронеж,e-mail: bond.julia@mail.ru, тел.:+7-910-34-12-946

Чикомазов Александр Николаевич, Воронежский государственный технический университет, аспирант кафедры управления строительством

Россия, г. Воронеж, e-mail: upr_stroy_kaf@vgasu.vrn.ru, тел.: +7-473-2-76-40-07

Аннотация. Статья посвящена разработке математического инструментария поддержки распределения государственных субсидий на региональном уровне в направлении повышения объективности используемой информации, обоснованности принимаемых решений и эффективности. В работе приведена постановка задачи распределения субсидий хозяйствующим субъектам региона и представлен алгоритм ее решения. Основу алгоритма составляют математические модели, описывающие процессы рационального распределения собственных и субсидированных средств руководством предприятий. Параметры моделей рассчитываются на основе статистической информации, доступной для администрации региона. Выходные переменные – показатели экономической деятельности хозяйствующих субъектов, позволяющие оценить эффективность различных вариантов распределения субсидий. Программная реализация алгоритма позволяет провести имитационный эксперимент, способный осуществить поддержку обоснованного выбора параметров, правила начисления субсидий.

Ключевые слова: субсидии, хозяйствующие субъекты, регион, механизмы, распределение, математические модели.

Необходимым условием успешного социально-экономического развития каждого территориального образования является устойчивая положительная динамика результатов экономической деятельности его хозяйствующих субъектов. Значимость предприятий в регионе определяется не только их ролью в налоговом пополнении бюджета, но и их огромным влиянием на достижение социальных показателей развития – уровня безработицы, номинальной заработной платы, стоимости минимальной потребительской корзины и т.п. Вместе с тем, сами предприятия (особенно в сложной для ведения бизнеса внешней ситуации), нуждаются в поддержке со стороны государственной власти. Одним из действенных направлений такой поддержки, осуществляемой в целом ряде стран и территориальных образований, является адресная финансовая поддержка производителей в форме субсидий и дотаций.

В Российской Федерации государственная поддержка предприятий осуществляется на федеральном и региональном уровнях. Среди основных направлений предоставления субсидий отметим: развитие отраслей агропромышленного комплекса; стимулирование инвестиционной деятельности; устойчивое развитие сельских территорий; развитие системы перевозки пассажиров.

Перечень актуальных направлений, общий объем финансирования за счет средств областного бюджета, порядок предоставления и способы расчета субсидий определяются региональными органами власти и закрепляются в законопроектах и постановлениях.

© Бондаренко Ю.В., Чикомазов А.Н., 2017

87